Fudan University（复旦大学）

Rewriting the Response Path: Silent Tampering and Provider-Signed Defense in BYOK LLM Agents

重写响应路径：BYOK LLM 代理中的静默篡改与提供者签名防御

Mingyu Luo, Zihan Zhang, Zesen Liu, Yuchong Xie, Zhixiang Zhang, Dung Hiu Hilton Yeung, Wai Ip Lai, Ping Chen, Ming Wen, Dongdong She

机构 * Fudan University（复旦大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 研究BYOK LLM代理响应路径完整性问题，发现中继可篡改响应。提出sign-c服务器端方案，能认证执行承载字段和查询，本地垫片验证，加密保护机密性，防御有效拒绝篡改响应，误拒率为零，延迟开销低。

SwiftRepertoire: Few-Shot Immune-Signature Synthesis via Dynamic Kernel Codes

SwiftRepertoire: 通过动态核码实现少样本免疫特征合成

Rong Fu, Yang Li, Yabin Jin, Jiekai Wu, Chunlei Meng, Youjin Wang

机构 * University of Macau（澳门大学） ； Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； The First People’s Hospital of Foshan（佛山第一人民医院） ； Juntendo University（立命馆大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Renmin University of China（中国人民大学） ； Minzu University of China（民族大学） ； Tsinghua University（清华大学） ； Capital Medical University（首都医科大学） 纠错

AI总结 本文提出SwiftRepertoire框架，通过动态核码实现少样本免疫特征合成，利用轻量任务描述符和原型字典生成紧凑任务特定参数化，实现快速适应新任务，提升临床和研究场景下的模型实用性与可解释性。

Comments 19 pages, 8 figures, 8 tables

NeuroPareto: Calibrated Acquisition for Costly Many-Goal Search in Vast Parameter Spaces

NeuroPareto：在广阔参数空间中针对昂贵多目标搜索的校准获取

Rong Fu, Chunlei Meng, Haoyu Zhao, Kun Liu, JiaBao Dou, Youjin Wang, Simon James Fong

机构 * University of Macau（澳门大学） ； Fudan University（复旦大学） ； Renmin University of China（中国人民大学） ； Wuhan University（武汉大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； University of Southampton（南安普顿大学） ； Hong Kong Baptist University（香港 Baptist大学） 纠错

AI总结 NeuroPareto通过整合排名中心过滤、不确定性解耦和历史条件获取策略，有效导航复杂目标景观，实现多目标优化中的高效搜索与高精度候选生成。

Comments 39 pages, 19 figures

Universality Reconsidered: Rethinking the Validation of Foundation Models for General-Purpose 3D Medical Segmentation

揭示通用3D医学分割中的模态差异与泛化幻觉

Yichi Zhang, Le Xue, Feiyang Xiao, Wenbo Zhang, Gang Feng, Chenguang Zheng, Yuan Qi, Yuan Cheng, Zixin Hu

机构 * Fudan University, Shanghai, China.（复旦大学） ； Shanghai Academy of Artificial Intelligence for Science, Shanghai, China.（上海人工智能科学研究院） ； Shanghai Universal Medical Imaging Diagnostic Center, Shanghai, China.（上海通用医学影像诊断中心） 纠错

AI总结 本文通过UMD数据集揭示3D医学分割中模态差异与泛化幻觉问题，指出现有基础模型在实际应用中存在显著性能差异，需转向多模态训练以提升通用性。

CreatiPoster: Towards Editable and Controllable Multi-Layer Graphic Design Generation

CreatiPoster：迈向可编辑和可控的多层平面设计生成

Dexiang Hong, Zhao Zhang, Weidong Chen, Yutao Cheng, Maoke Yang, Gonglei Shi, Hui Zhang, Zhendong Mao

机构 * University of Science and Technology of China（中国科学技术大学） ； Intelligent Creation（智能创作） ； Fudan University（复旦大学） 纠错

AI总结 研究旨在解决平面设计难题，提出CreatiPoster框架，通过协议模型和条件背景模型生成可编辑多层构图，超越开源方法和商业系统，发布无版权语料库，推动AI辅助平面设计应用。